基于分布式驱动电动汽车的路面附着系数估计,分别采用无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)对电动汽车四个车轮的路面附着系数进行估计。
可在高速,低速下,对开路面,对接路面四种组合工况下对路面附着系数进行准确估计估计。
该模型的两种估计算法均由S-function编写,可比较二种滤波的估计效果。
基于分布式驱动电动汽车的路面附着系数估计
摘要:本文基于分布式驱动电动汽车的路面附着系数估计,采用了无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)两种算法进行估计。通过对不同工况下的路面附着系数进行准确估计,可以为电动汽车的行驶安全和性能提供重要参考。
关键词:分布式驱动电动汽车、路面附着系数、无迹卡尔曼滤波、容积卡尔曼滤波
1. 引言
随着电动汽车的普及,对其行驶安全和性能的要求也越来越高。而路面附着系数是影响车辆行驶性能和安全的重要因素之一。因此,准确估计电动汽车行驶过程中的路面附着系数对于提升车辆性能具有重要意义。本文基于分布式驱动电动汽车,采用无迹卡尔曼滤波和容积卡尔曼滤波两种算法对电动汽车四个车轮的路面附着系数进行估计,并比较两种滤波算法的效果。
2. 路面附着系数估计原理
2.1 无迹卡尔曼滤波(UKF)
无迹卡尔曼滤波是一种非线性滤波算法,通过将高斯分布的点通过一定的变换映射到非线性函数上,从而在非线性情况下实现对状态估计的准确性。在本文中,我们使用UKF算法对电动汽车的路面附着系数进行估计。
2.2 容积卡尔曼滤波(CKF)
容积卡尔曼滤波是一种基于容积粒子滤波器的滤波算法,通过引入容积估计对非线性函数进行近似,从而在非线性情况下实现对状态估计的准确性。在本文中,我们使用CKF算法对电动汽车的路面附着系数进行估计。
3. 实验设计
为了验证UKF和CKF两种算法对电动汽车路面附着系数的估计效果,我们设计了四种不同工况的测试情况,包括高速开路面、高速对接路面、低速开路面、低速对接路面。通过在实验中收集电动汽车的传感器数据,我们可以对路面附着系数进行准确估计,并比较两种算法的效果。
4. 实验结果与分析
经过对四种不同工况下的路面附着系数进行估计,我们得到了UKF和CKF两种算法的估计结果。通过对比分析,可以看出在不同工况下,两种算法在路面附着系数估计方面的准确性和稳定性。
5. 结论
本文基于分布式驱动电动汽车的路面附着系数估计,采用了无迹卡尔曼滤波和容积卡尔曼滤波两种算法进行估计,并通过实验验证了这两种算法的有效性。通过对路面附着系数的准确估计,可以为电动汽车的行驶安全和性能提供重要参考。
相关代码,程序地址:http://imgcs.cn/lanzoun/749386033683.html